Spark刷爆磁盤與Java弱引用的關系

作者：浪尖 2020-11-11 08:55:32

今天，給大家分享下。Java的引用在大數據框架下的引用案例。

一引用基本概念

如下面，定義兩個變量num，str，存儲模型大致如下圖：

int num = 6; 
String str = “浪尖聊大數據”;

變量num值直接從6修改為了8;變量str只是修改了其保存的地址，從0x88修改為0x86，對象 “浪尖聊大數據 ”本身還在內存中，并沒有被修改。只是內存中新增了對象 “浪尖是帥哥”。

二值傳遞&引用傳遞

舉例說明引用傳遞和值傳遞：

第一個栗子：基本類型 
void foo(int value) { 
    value = 88; 
} 
foo(num); // num 沒有被改變 
 
第二個栗子：沒有提供改變自身方法的引用類型 
void foo(String text) { 
    text = "mac"; 
} 
foo(str); // str 也沒有被改變 
 
第三個栗子：提供了改變自身方法的引用類型 
StringBuilder sb = new StringBuilder("vivo"); 
void foo(StringBuilder builder) { 
    builder.append("5"); 
} 
foo(sb); // sb 被改變了，變成了"vivo5"。 
 
第四個栗子：提供了改變自身方法的引用類型，但是不使用，而是使用賦值運算符。 
StringBuilder sb = new StringBuilder("oppo"); 
void foo(StringBuilder builder) { 
    builder = new StringBuilder("vivo"); 
} 
foo(sb); // sb 沒有被改變，還是 "oppo"。

三引用的類型

單純的申明一個軟引用，指向一個person對象 
1 SoftReference pSoftReference=new SoftReference(new Person(“張三”,12)); 
 
聲明一個引用隊列 
ReferenceQueue<Person> queue = new ReferenceQueue<>(); 
 
聲明一個person對象，李四，obj是其強引用 
Person obj = new Person(“李四”,13); 
 
使軟引用softRef指向李四對應的對象，并且將該軟引用關聯到引用隊列 
2 SoftReference softRef = new SoftReference<Object>(obj,queue); 
 
聲明一個person對象，名叫王酒，并保證其僅含軟引用，且將軟引用關聯到引用隊列queue 
3 SoftReference softRef = new SoftReference<Object>(new Person(“王酒”,15),queue); 
 
使用很簡單softRef.get即可獲取對應的value。

WeakReference<Person> weakReference = new WeakReference<>(new Person(“浪尖”，18)); 
 
聲明一個引用隊列 
ReferenceQueue<Person> queue = new ReferenceQueue<>(); 
 
聲明一個person對象，李四，obj是其強引用 
Person obj = new Person(“李四”,13); 
 
聲明一個弱引用，指向強引用obj所指向的對象，同時該引用綁定到引用隊列queue。 
WeakReference weakRef = new WeakReference<Object>(obj,queue); 
 
使用弱引用也很簡單，weakRef.get

聲明引用隊列 
ReferenceQueue queue = new ReferenceQueue(); 
 
聲明一個虛引用 
PhantomReference<Person> reference = new PhantomReference<Person>(new Person(“浪尖”,18), queue); 
 
獲取虛引用的值，直接為null，因為無法通過虛引用獲取引用對象。 
System.out.println(reference.get());

四 Threadlocal如何使用弱引用

五 spark如何使用弱引用進行數據清理

shuffle相關的引用，實際上是在ShuffleDependency內部實現了，shuffle狀態注冊到ContextCleaner過程：

_rdd.sparkContext.cleaner.foreach(_.registerShuffleForCleanup(this))

然后，我們翻開registerShuffleForCleanup函數源碼可以看到，注釋的大致意思是注冊ShuffleDependency目的是在垃圾回收的時候清除掉它對應的數據：

/** Register a ShuffleDependency for cleanup when it is garbage collected. */ 
  def registerShuffleForCleanup(shuffleDependency: ShuffleDependency[_, _, _]): Unit = { 
    registerForCleanup(shuffleDependency, CleanShuffle(shuffleDependency.shuffleId)) 
  }

其中，registerForCleanup函數如下：

/** Register an object for cleanup. */ 
  private def registerForCleanup(objectForCleanup: AnyRef, task: CleanupTask): Unit = { 
    referenceBuffer.add(new CleanupTaskWeakReference(task, objectForCleanup, referenceQueue)) 
  }

referenceBuffer主要作用保存CleanupTaskWeakReference弱引用，確保在引用隊列沒處理前，弱引用不會被垃圾回收。

/** 
   * A buffer to ensure that `CleanupTaskWeakReference`s are not garbage collected as long as they 
   * have not been handled by the reference queue. 
   */ 
  private val referenceBuffer = 
    Collections.newSetFromMap[CleanupTaskWeakReference](new ConcurrentHashMap)

ContextCleaner內部有一個線程，循環從引用隊列里取被垃圾回收的RDD等相關弱引用，然后完成對應的數據清除工作。

private val cleaningThread = new Thread() { override def run(): Unit = keepCleaning() }

其中，keepCleaning函數，如下：

/** Keep cleaning RDD, shuffle, and broadcast state. */ 
  private def keepCleaning(): Unit = Utils.tryOrStopSparkContext(sc) { 
    while (!stopped) { 
      try { 
        val reference = Option(referenceQueue.remove(ContextCleaner.REF_QUEUE_POLL_TIMEOUT)) 
          .map(_.asInstanceOf[CleanupTaskWeakReference]) 
        // Synchronize here to avoid being interrupted on stop() 
        synchronized { 
          reference.foreach { ref => 
            logDebug("Got cleaning task " + ref.task) 
            referenceBuffer.remove(ref) 
            ref.task match { 
              case CleanRDD(rddId) => 
                doCleanupRDD(rddId, blocking = blockOnCleanupTasks) 
              case CleanShuffle(shuffleId) => 
                doCleanupShuffle(shuffleId, blocking = blockOnShuffleCleanupTasks) 
              case CleanBroadcast(broadcastId) => 
                doCleanupBroadcast(broadcastId, blocking = blockOnCleanupTasks) 
              case CleanAccum(accId) => 
                doCleanupAccum(accId, blocking = blockOnCleanupTasks) 
              case CleanCheckpoint(rddId) => 
                doCleanCheckpoint(rddId) 
            } 
          } 
        } 
      } catch { 
        case ie: InterruptedException if stopped => // ignore 
        case e: Exception => logError("Error in cleaning thread", e) 
      } 
    } 
  }

shuffle數據清除的函數是doCleanupShuffle，具體內容如下：

/** Perform shuffle cleanup. */ 
  def doCleanupShuffle(shuffleId: Int, blocking: Boolean): Unit = { 
    try { 
      logDebug("Cleaning shuffle " + shuffleId) 
      mapOutputTrackerMaster.unregisterShuffle(shuffleId) 
      shuffleDriverComponents.removeShuffle(shuffleId, blocking) 
      listeners.asScala.foreach(_.shuffleCleaned(shuffleId)) 
      logDebug("Cleaned shuffle " + shuffleId) 
    } catch { 
      case e: Exception => logError("Error cleaning shuffle " + shuffleId, e) 
    } 
  }

細節就不細展開了。

ContextCleaner的start函數被調用后，實際上啟動了一個調度線程，每隔30min主動調用了一次System.gc()，來觸發垃圾回收。

/** Start the cleaner. */ 
  def start(): Unit = { 
    cleaningThread.setDaemon(true) 
    cleaningThread.setName("Spark Context Cleaner") 
    cleaningThread.start() 
    periodicGCService.scheduleAtFixedRate(() => System.gc(), 
      periodicGCInterval, periodicGCInterval, TimeUnit.SECONDS) 
  }

具體參數是：

spark.cleaner.periodicGC.interval

本文轉載自微信公眾號「浪尖聊大數據」，可以通過以下二維碼關注。轉載本文請聯系浪尖聊大數據公眾號。

責任編輯：武曉燕來源：浪尖聊大數據